如何在MATLAB中将含可变文本段的字符串解析为cell数组？

嗨，我来帮你搞定这个字符串解析的难题！你的核心痛点是中间那段文本长度不固定，没法靠固定的词数来拆分，之前用sscanf的思路不太适合这种场景——毕竟sscanf更擅长处理格式严格固定的输入，遇到可变长度的内容就容易卡壳。

下面给你两种实用的解决方案，都能完美生成你想要的cell数组：

方法一：正则表达式（简洁高效） #

利用MATLAB的regexp工具，通过匹配固定模式来提取各个部分。我们的字符串模式很清晰：前两个是无空格的数值字符串，接着是任意长度的带空格文本，最后是Speaker加数字的标识。

代码示例：

sen = '0.31431 0.64431 Using drugs is not cool Speaker2';
% 定义匹配模式：四个分组分别对应四个目标元素
pattern = '^(\S+) (\S+) (.*) (Speaker\d+)$';
% 提取匹配到的分组
tokens = regexp(sen, pattern, 'tokens');
% 转换为目标cell数组
output = tokens{1};

执行后output就是你要的：{'0.31431','0.64431', 'Using drugs is not cool', 'Speaker2'}。

模式解释：

• ^(\S+)：匹配字符串开头的无空格字符（第一个数值）
• (\S+)：匹配第二个无空格数值
• (.*)：匹配中间所有内容（直到最后一个Speaker前的空格）
• (Speaker\d+)$：匹配结尾的Speaker加数字的标识

方法二：拆分后重组（直观易理解） #

如果觉得正则表达式有点抽象，也可以先把字符串按空格拆分成单个元素，再手动重组中间的可变文本部分：

代码示例：

sen = '0.31431 0.64431 Using drugs is not cool Speaker2';
% 按空格拆分所有元素
parts = strsplit(sen);
% 提取前两个数值元素
first_two = parts(1:2);
% 提取最后一个Speaker标识
last_part = parts(end);
% 合并中间的可变文本部分
middle_text = strjoin(parts(3:end-1), ' ');
% 组合成最终的cell数组
output = [first_two, {middle_text}, last_part];

这种方法逻辑很直白：先拆成最小单元，再把需要合并的部分用strjoin拼回去，最后组合成目标结构。

为什么之前的sscanf不行？ #

你之前写的sscanf(sen,'%s %s %c %Speaker%d')有几个问题：

• %c只会匹配单个字符，没法捕捉长文本
• %Speaker%d不是合法的格式说明符，sscanf的格式符是固定的（比如%d、%s），不能直接写字面量的Speaker

所以这种场景下，正则表达式或拆分重组的方式会更靠谱~

内容的提问来源于stack exchange，提问作者user552231